特開 2019-30275 口臭判定装置及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】特開2019-30275(P2019-30275A)

(43)【公開日】2019年2月28日

(54)【発明の名称】口臭判定装置及びプログラム

(51)【国際特許分類】

   C12M 1/34 20060101AFI20190201BHJP

   G01N 27/12 20060101ALI20190201BHJP

   G01N 33/497 20060101ALI20190201BHJP

   C12Q 1/68 20180101ALI20190201BHJP

【ＦＩ】

   C12M1/34 A

   G01N27/12 A

   G01N33/497 D

   C12Q1/68 Z

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

【全頁数】16

(21)【出願番号】特願2017-154491(P2017-154491)

(22)【出願日】2017年8月9日

(71)【出願人】

【識別番号】899000057

【氏名又は名称】学校法人日本大学

(74)【代理人】

【識別番号】100161207

【弁理士】

【氏名又は名称】西澤 和純

(74)【代理人】

【識別番号】100175824

【弁理士】

【氏名又は名称】小林 淳一

(74)【代理人】

【識別番号】100126882

【弁理士】

【氏名又は名称】五十嵐 光永

(72)【発明者】

【氏名】中野 善夫

【テーマコード（参考）】

2G045

2G046

4B029

4B063

【Ｆターム（参考）】

2G045AA33

2G045CB21

2G045DA13

2G046AA18

2G046AA28

2G046DC00

4B029AA07

4B029BB02

4B029BB20

4B029CC01

4B029FA01

4B029FA12

4B029FA15

4B063QA01

4B063QA13

4B063QA18

4B063QQ03

4B063QQ06

4B063QQ50

4B063QR08

4B063QR32

4B063QR62

4B063QX02

(57)【要約】

【課題】被験者の唾液に基づいて、当該被験者の口臭の有無を判定する。
【解決手段】口臭判定装置は、口腔内の細菌叢に存在する菌の種類を示す教師菌種情報と、前記教師菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す教師割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部と、被験者の口腔内の細菌叢に存在する菌の種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する取得部と、前記取得部が取得した前記菌種情報と、前記取得部が取得した前記割合情報を前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力部と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

口腔内の細菌叢に存在する菌の種類を示す教師菌種情報と、前記教師菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す教師割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部と、
被験者の口腔内の細菌叢に存在する菌の種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する取得部と、
前記取得部が取得した前記菌種情報と、前記取得部が取得した前記割合情報とを前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力部と、
を備える口臭判定装置。

【請求項2】

前記機械学習とは、
ディープラーニングである、
請求項１に記載の口臭判定装置。

【請求項3】

前記教師菌種情報及び前記教師割合情報は、
複数の被験者の唾液を解析した結果に基づく情報である、
請求項１又は請求項２に記載の口臭判定装置。

【請求項4】

前記唾液の細菌叢に存在するＤＮＡの塩基配列であって、塩基の数が５つの短塩基配列の種類を検出する検出部と、
前記検出部が検出した前記短塩基配列の種類毎に、当該種類の塩基配列が前記細菌叢に存在する割合を取得する割合取得部と、
前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合との対応を前記種類及び前記割合の組み合わせ毎に示す基準情報と、前記検出部が検出した前記短塩基配列の種類と、前記割合取得部が取得した前記短塩基配列の種類毎の割合とに基づいて、前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合とを判定する判定部と、
を備え、
前記取得部は、
前記判定部が判定した前記種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する、
請求項３に記載の口臭判定装置。

【請求項5】

前記唾液の細菌叢に存在するＤＮＡの塩基配列であって、既知の１６ＳｒＲＮＡ遺伝子の塩基配列と合致する既知塩基配列を検出する検出部と、
前記検出部が検出した前記既知塩基配列の種類毎に、当該種類の塩基配列が前記細菌叢に存在する割合を取得する割合取得部と、
前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合との対応を前記種類及び前記割合の組み合わせ毎に示す基準情報と、前記検出部が検出した前記既知塩基配列の種類と、前記割合取得部が取得した前記既知塩基配列の種類毎の割合とに基づいて、前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合とを判定する判定部と、
を備え、
前記取得部は、
前記判定部が判定した前記種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する、
請求項３又は請求項４に記載の口臭判定装置。

【請求項6】

口腔内の細菌叢に存在するＤＮＡの塩基配列であって、塩基の数が５つの短塩基配列の種類を示す教師短塩基情報と、前記教師短塩基情報が示す短塩基の割合を前記種類毎に示す教師短塩基割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部と、
被験者の口腔内の細菌叢に存在するＤＮＡの塩基配列であって、塩基の数が５つの短塩基配列の種類を示す短塩基配列情報と、前記短塩基配列情報が示す短塩基配列の前記細菌叢における割合を前記種類毎に示す短塩基割合情報とを取得する取得部と、
前記取得部が取得した前記短塩基配列情報と、前記取得部が取得した前記短塩基割合情報とを前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力部と、
を備える口臭判定装置。

【請求項7】

口腔内の細菌叢に存在する菌の種類を示す教師菌種情報と、前記教師菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す教師割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部を備えるコンピュータに、
被験者の口腔内の細菌叢に存在する菌の種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する取得ステップと、
前記取得ステップにおいて取得した前記菌種情報と、前記取得ステップにおいて取得した前記割合情報を前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力ステップと、
を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、口臭判定装置及びプログラムに関する。

【背景技術】

【0002】

従来、被験者の呼気に含まれる特定ガスの濃度を検出し、当該被験者の口腔に口臭が発生しているか否かを判定する技術が知られている（例えば、特許文献１）。
また、被験者の唾液を元に口腔内の菌を培養し、培養した菌を分析することにより、当該被験者の口腔に口臭が発生しているか否かを判定する技術が知られている（例えば、特許文献２）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００３−３２９６３０号公報

【特許文献2】特開２００２−２３６１２４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、特許文献１に記載の技術では、口臭が発生しているか否かを判定するに際して、呼気を検出可能な装置が設置されている場所に被験者が移動すること、又は呼気を検出可能な装置を被験者が検査を受ける場所に移動させることが求められる場合があった。また、特許文献２に記載の技術では、口臭が発生しているか否かを判定するに際して、被験者の口腔内の菌を培養することが求められ、判定に係る時間を短縮することが困難である場合があった。
本発明は、上記問題に鑑みて為されたものであり、被験者の唾液に基づいて、当該被験者の口臭の有無を判定することができる口臭判定装置及びプログラムを提供することを目的とする。

【課題を解決するための手段】

【0005】

本発明の一態様は、口腔内の細菌叢に存在する菌の種類を示す教師菌種情報と、前記教師菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す教師割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部と、被験者の口腔内の細菌叢に存在する菌の種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する取得部と、前記取得部が取得した前記菌種情報と、前記取得部が取得した前記割合情報とを前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力部と、を備える口臭判定装置である。

【0006】

また、本発明の一態様の口臭判定装置において、前記機械学習とは、ディープラーニングである。

【0007】

また、本発明の一態様の口臭判定装置において、前記教師菌種情報及び前記教師割合情報は、複数の被験者の唾液を解析した結果に基づく情報である。

【0008】

また、本発明の一態様の口臭判定装置は、前記唾液の細菌叢に存在するＤＮＡの塩基配列であって、塩基の数が５つの短塩基配列の種類を検出する検出部と、前記検出部が検出した前記短塩基配列の種類毎に、当該種類の塩基配列が前記細菌叢に存在する割合を取得する割合取得部と、前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合との対応を前記種類及び前記割合の組み合わせ毎に示す基準情報と、前記検出部が検出した前記短塩基配列の種類と、前記割合取得部が取得した前記短塩基配列の種類毎の割合とに基づいて、前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合とを判定する判定部と、を備え、前記取得部は、前記判定部が判定した前記種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する。

【0009】

また、本発明の一態様の口臭判定装置は、前記唾液の細菌叢に存在するＤＮＡの塩基配列であって、既知の１６ＳｒＲＮＡ遺伝子の塩基配列と合致する既知塩基配列を検出する検出部と、前記検出部が検出した前記既知塩基配列の種類毎に、当該種類の塩基配列が前記細菌叢に存在する割合を取得する割合取得部と、前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合との対応を前記種類及び前記割合の組み合わせ毎に示す基準情報と、前記検出部が検出した前記既知塩基配列の種類と、前記割合取得部が取得した前記既知塩基配列の種類毎の割合とに基づいて、前記被験者の口腔内の細菌叢に存在する菌の種類と、当該菌の前記細菌叢における割合とを判定する判定部と、を備え、前記取得部は、前記判定部が判定した前記種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する。

【0010】

また、本発明の一態様は、口腔内の細菌叢に存在するＤＮＡの塩基配列であって、塩基の数が５つの短塩基配列の種類を示す教師短塩基情報と、前記教師短塩基情報が示す短塩基の割合を前記種類毎に示す教師短塩基割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部と、被験者の口腔内の細菌叢に存在するＤＮＡの塩基配列であって、塩基の数が５つの短塩基配列の種類を示す短塩基配列情報と、前記短塩基配列情報が示す短塩基配列の前記細菌叢における割合を前記種類毎に示す短塩基割合情報とを取得する取得部と、前記取得部が取得した前記短塩基配列情報と、前記取得部が取得した前記短塩基割合情報とを前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力部と、を備える口臭判定装置である。

【0011】

また、本発明の一態様は、口腔内の細菌叢に存在する菌の種類を示す教師菌種情報と、前記教師菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す教師割合情報とに基づいて、口腔に口臭があるか否かを示す口臭情報を出力するように、機械学習によって学習された学習済みモデルを記憶する記憶部を備えるコンピュータに、被験者の口腔内の細菌叢に存在する菌の種類を示す菌種情報と、前記菌種情報が示す菌の前記細菌叢における割合を前記種類毎に示す割合情報とを取得する取得ステップと、前記取得ステップにおいて取得した前記菌種情報と、前記取得ステップにおいて取得した前記割合情報を前記学習済みモデルに入力し、演算された前記被験者に口臭があるか否かを示す口臭情報を出力する出力ステップと、を実行させるプログラムプログラムである。

【発明の効果】

【0012】

本発明によれば、被験者の唾液に基づいて、当該被験者の口臭の有無を判定することができる。

【図面の簡単な説明】

【0013】

【図1】本実施形態の口臭判定システムの概要を示す図である。

【図2】本実施形態の短塩基配列の存在割合に基づいて、菌種情報及び割合情報を検出する菌種割合検出装置の構成の一例を示す機能構成図である。

【図3】本実施形態の対応情報の一例を示す第１の図である。

【図4】本実施形態の１６ＳｒＲＮＡ遺伝子の存在割合に基づいて、菌種情報及び割合情報を検出する菌種割合検出装置の構成の一例を示す機能構成図である。

【図5】本実施形態の対応情報の一例を示す第２の図である。

【図6】本実施形態の口臭判定装置の構成の一例を示す機能構成図である。

【図7】本実施形態の口臭判定システムの動作の一例を示す流れ図である。

【発明を実施するための形態】

【0014】

［実施形態］
以下、図面を参照し、本発明の実施形態について説明する。
図１は、本実施形態の口臭判定システム１の概要を示す図である。
図１に示す通り、口臭判定システム１は、口臭判定装置１０と、菌種割合検出装置２０とを備える。
口臭判定装置１０は、判定対象者（以下、被験者ＥＴ）の口臭の有無を判定する装置である。菌種割合検出装置２０は、被験者ＥＴの口腔内の菌の集合（細菌叢）を取得し、被験者ＥＴの口腔内に存在する菌の種類、及び当該菌が口腔内に存在する割合を菌の種類毎に検出する装置である。細菌叢とは、例えば、被験者ＥＴの舌苔や、被験者ＥＴの唾液（以下、唾液ＳＶ）から取得可能である。本実施形態の一例では、菌種割合検出装置２０が被験者ＥＴの唾液ＳＶに基づいて、菌の種類及び当該菌が口腔内に存在する割合を検出する。以降の説明において、菌種割合検出装置２０が検出した情報であって、被験者ＥＴの口腔内に存在する菌の種類を示す情報を菌種情報ＫＢと記載する。また、菌種割合検出装置２０が検出した情報であって、菌種情報ＫＢが示す菌が被験者ＥＴの口腔内に存在する割合を菌の種類毎に示す情報を割合情報ＲＢと記載する。口臭判定装置１０は、菌種割合検出装置２０が検出した菌種情報ＫＢと、割合情報ＲＢとに基づいて、被験者ＥＴの口臭の有無を判定する。

【0015】

ここで、菌種割合検出装置２０が菌種情報ＫＢ及び割合情報ＲＢを検出する方法は、短い塩基配列（以下、短塩基配列）の存在割合に基づく方法と、１６ＳｒＲＮＡ遺伝子の存在割合に基づく方法とがある。まず、短塩基配列の存在割合に基づいて菌種情報ＫＢ及び割合情報ＲＢを検出する菌種割合検出装置２０（以下、菌種割合検出装置２０ａ）について説明し、次に、１６ＳｒＲＮＡ遺伝子の存在割合に基づいて菌種情報ＫＢ及び割合情報ＲＢを検出する菌種割合検出装置２０（以下、菌種割合検出装置２０ｂ）について説明する。以降の説明において、菌種割合検出装置２０のうち、菌種割合検出装置２０ａが備える構成には、符号の末尾に「ａ」を付す。また、菌種割合検出装置２０ｂが備える構成には、符号の末尾に「ｂ」を付す。また、いずれの菌種割合検出装置２０に係る構成であるかを区別しない場合には、「ａ」又は「ｂ」を省略して示す。

【0016】

＜菌種割合検出装置２０ａについて＞
以下、図を参照して、短塩基配列の存在割合に基づいて、菌種情報ＫＢ及び割合情報ＲＢを検出する菌種割合検出装置２０ａの詳細について説明する。
図２は、本実施形態の短塩基配列の存在割合に基づいて、菌種情報ＫＢ及び割合情報ＲＢを検出する菌種割合検出装置２０ａの構成の一例を示す機能構成図である。
菌種割合検出装置２０ａは、シーケンサー２１ａと、制御部２２ａと、記憶部２３ａとを備える。記憶部２３ａは、例えば、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＳＤカード、ＲＡＭ（Random Access Memory）、レジスタ等によって実現される。記憶部２３ａには、例えば、短塩基情報２３１ａと、対応情報２３２ａとが予め記憶される。

【0017】

短塩基情報２３１ａとは、シーケンサー２１ａの解析対象デオキシリボ核酸（Deoxy Ribonucleic Acid：以下、ＤＮＡ）塩基配列を示す情報であって、５つのヌクレオチドの組み合わせによって示される短塩基配列を示す情報である。本実施形態の一例において、シーケンサー２１ａの解析対象とは、唾液ＳＶ（被験者ＥＴの口腔内）に存在する菌である。
シーケンサー２１ａは、唾液ＳＶ（被験者ＥＴの口腔内）に存在する菌のＤＮＡ塩基配列のうち、短塩基情報２３１ａが示す解析対象の塩基配列を解析する。このような配列比較はアラインメントと呼ばれる。シーケンサー２１ａは、アライメントし、得られた短塩基配列の種類を示す情報（以下、短塩基配列情報ＳＢ）を制御部２２ａに供給する。また、シーケンサー２１ａは、アライメントし、得られた短塩基配列が唾液ＳＶ中における量（割合）を、当該短塩基配列の種類毎に示す情報（以下、短塩基割合情報ＲＳＢ）を制御部２２ａに供給する。

【0018】

制御部２２ａは、ＣＰＵ（Central Processing Unit）等のプロセッサが、記憶部２３ａに記憶されたプログラムを実行することにより、各機能部を実現する。制御部２２ａは、例えば、判定部２２１ａと、出力部２２２ａとをその機能部として実現する。制御部２２ａは、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）等のハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

【0019】

判定部２２１ａは、シーケンサー２１ａから短塩基配列情報ＳＢと、短塩基割合情報ＲＳＢとを取得する。判定部２２１ａは、短塩基配列情報ＳＢと、短塩基割合情報ＲＳＢと、対応情報２３２ａとに基づいて、被験者ＥＴの口腔内に存在する菌（菌種情報ＫＢ）と、当該菌が口腔内に存在する割合（割合情報ＲＢ）とを判定する。対応情報２３２ａとは、短塩基配列情報ＳＢ及び短塩基割合情報ＲＳＢと、菌種情報ＫＢ及び割合情報ＲＢの対応を示す情報である。

【0020】

以下、図を参照して対応情報２３２ａの詳細について説明する。図３は、本実施形態の対応情報２３２ａの一例を示す第１の図である。
図３に示す通り、対応情報２３２ａには、短塩基配列情報ＳＢと、短塩基割合情報ＲＳＢと、菌種情報ＫＢと、割合情報ＲＢとが対応付けられる。
ここで、ある被験者ＥＴの短塩基配列情報ＳＢと、短塩基割合情報ＲＳＢとが分かる場合、被験者ＥＴの口腔内に存在する菌の種類（菌種情報ＫＢ）と、当該菌が口腔内に存在する割合（割合情報ＲＢ）とが一意に定まる。短塩基配列情報ＳＢ及び短塩基割合情報ＲＳＢと、菌種情報ＫＢ及び割合情報ＲＢとの対応付けは、短塩基情報２３１ａが示す短塩基配列と、当該塩基配列が存在する唾液ＳＶ中の菌との解析結果に基づいて行われる。

【0021】

図３に示す一例では、ｎ個の種類の短塩基配列情報ＳＢと、当該短塩基配列情報ＳＢに対応する数（ｎ個）の短塩基割合情報ＲＳＢとが、短塩基情報２３１ａとして対応付けられる。ｎとは、自然数である。具体的には、図３は、唾液ＳＶには、「ＧＧＡＣＣ（短塩基配列情報ＳＢ１）」が０．２５％（短塩基割合情報ＲＳＢ１）の割合で存在し、「ＣＣＣＣＣ（短塩基配列情報ＳＢ２）」が０．５％（短塩基割合情報ＲＳＢ２）の割合で存在し、…、「ＣＣＴＡＧ（短塩基配列情報ＳＢｎ）」が０．２５％（短塩基割合情報ＲＳＢｎ）の割合で存在することを示す。
また、図３に示す一例では、上述した短塩基配列情報ＳＢ１〜短塩基配列情報ＳＢｎ及び短塩基割合情報ＲＳＢ１〜短塩基割合情報ＲＳＢｎには、菌種情報ＫＢ１〜菌種情報ＫＢ４、及び割合情報ＲＢ１〜割合情報ＲＢ４が短塩基情報２３１ａとして対応付けられる。具体的には、図３に示す短塩基情報２３１ａは、唾液ＳＶに短塩基配列情報ＳＢ１〜短塩基配列情報ＳＢｎの短塩基配列が短塩基割合情報ＲＳＢ１〜短塩基割合情報ＲＳＢｎの割合で存在する場合、被験者ＥＴの口腔内には、アクチノミセテムコミタンス（菌種情報ＫＢ１）が１９％（割合情報ＲＢ１）の割合で存在し、ヌクレアータム（菌種情報ＫＢ２）が２９％（割合情報ＲＢ２）の割合で存在し、ジンジバリス（菌種情報ＫＢ３）が２１％（割合情報ＲＢ３）の割合で存在し、ミュータンス（菌種情報ＫＢ４）が３１％（割合情報ＲＢ４）の割合で存在することを示す。なお、対応情報２３２ａは、短塩基配列情報ＳＢ及び短塩基割合情報ＲＳＢの組み合わせ毎に菌種情報ＫＢ及び割合情報ＲＢが対応付けられる。対応情報２３２ａとは、基準情報の一例である。

【0022】

図２に戻り、判定部２２１ａは、取得した短塩基配列情報ＳＢ及び短塩基割合情報ＲＳＢを検索キーとして、対応情報２３２ａを検索する。判定部２２１ａは、対応情報２３２ａのうち、検索キーと合致する短塩基配列情報ＳＢ及び短塩基割合情報ＲＳＢに対応付けられた菌種情報ＫＢ及び割合情報ＲＢを判定（抽出）する。判定部２２１ａは、判定した菌種情報ＫＢ及び割合情報ＲＢを出力部２２２ａに供給する。
出力部２２２ａは、判定部２２１ａから取得した菌種情報ＫＢ及び割合情報ＲＢを口臭判定装置１０に供給する。

【0023】

なお、上述では、短塩基情報２３１ａが５つのヌクレオチドの組み合わせを示す情報である場合について説明したが、これに限られない。短塩基情報２３１ａは、少なくとも５つ以上のヌクレオチドの組み合わせを示す情報であれば、いずれの長さの塩基配列を示す情報であってもよい。
また、シーケンサー２１ａは、唾液ＳＶに存在する菌のＤＮＡ塩基配列を示す塩基配列情報を制御部２２ａに供給する構成であってもよい。この場合、制御部２２ａは、シーケンサー２１ａから取得した塩基配列情報と、短塩基情報２３１ａとに基づいて、短塩基配列の種類を検出する機能部（例えば、検出部）を備えていていもよい。また、制御部２２ａは、検出した短塩基配列の種類毎に短塩基配列が唾液ＳＶ中における量（割合）を取得する機能部（例えば、割合取得部）を備えていていもよい。

【0024】

＜菌種割合検出装置２０ｂについて＞
以下、図を参照して、１６ＳｒＲＮＡ遺伝子の存在割合に基づいて、菌種情報ＫＢ及び割合情報ＲＢを検出する菌種割合検出装置２０ｂの詳細について説明する。
図４は、本実施形態の１６ＳｒＲＮＡ遺伝子の存在割合に基づいて、菌種情報ＫＢ及び割合情報ＲＢを検出する菌種割合検出装置２０ｂの構成の一例を示す機能構成図である。
菌種割合検出装置２０ｂは、シーケンサー２１ｂと、制御部２２ｂと、記憶部２３ｂとを備える。記憶部２３ｂには、例えば、既知塩基情報２３１ｂと、対応情報２３２ｂとが予め記憶される。

【0025】

既知塩基情報２３１ｂとは、シーケンサー２１ｂの解析対象のＤＮＡ塩基配列を示す情報であって、既知の１６ＳｒＲＮＡ遺伝子の塩基配列を示す情報である。以降の説明において、既知の１６ＳｒＲＮＡ遺伝子の塩基配列を既知塩基配列と記載する。
シーケンサー２１ｂは、唾液ＳＶ（被験者ＥＴの口腔内）に存在する菌のＤＮＡ塩基配列のうち、既知塩基情報２３１ｂが示す解析対象の塩基配列を解析する。シーケンサー２１ｂは、アライメントし、得られた既知塩基配列の種類を示す情報（以下、既知塩基配列情報ＥＢ）を制御部２２ｂに供給する。また、シーケンサー２１ｂは、アライメントし、得られた既知塩基配列が唾液ＳＶ中における量（割合）を、当該既知塩基配列の種類毎に示す情報（以下、既知塩基割合情報ＲＥＢ）を制御部２２ｂに供給する。

【0026】

制御部２２ｂは、ＣＰＵ等のプロセッサが、記憶部２３ｂに記憶されたプログラムを実行することにより、各機能部を実現する。制御部２２ｂは、例えば、判定部２２１ｂと、出力部２２２ｂとをその機能部として実現する。

【0027】

判定部２２１ｂは、シーケンサー２１ｂから既知塩基配列情報ＥＢと、既知塩基割合情報ＲＥＢとを取得する。判定部２２１ｂは、既知塩基配列情報ＥＢと、既知塩基割合情報ＲＥＢと、対応情報２３２ｂとに基づいて、被験者ＥＴの口腔内に存在する菌（菌種情報ＫＢ）と、当該菌が口腔内に存在する割合（割合情報ＲＢ）とを判定する。対応情報２３２ｂとは、既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢと、菌種情報ＫＢ及び割合情報ＲＢの対応を示す情報である。

【0028】

以下、図を参照して対応情報２３２ｂの詳細について説明する。
図５は、本実施形態の対応情報２３２ｂの一例を示す第２の図である。
図５に示す通り、対応情報２３２ｂには、既知塩基配列情報ＥＢと、既知塩基割合情報ＲＥＢと、菌種情報ＫＢと、割合情報ＲＢとが対応付けられる。
ここで、ある被験者ＥＴの既知塩基配列情報ＥＢと、既知塩基割合情報ＲＥＢとが分かる場合、被験者ＥＴの口腔内に存在する菌の種類（菌種情報ＫＢ）と、当該菌が口腔内に存在する割合（割合情報ＲＢ）とが一意に定まる。既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢと、菌種情報ＫＢ及び割合情報ＲＢとの対応付けは、既知塩基情報２３１ｂが示す既知塩基配列と、当該既知塩基配列が存在する唾液ＳＶ中の菌との解析結果に基づいて行われる。

【0029】

図５に示す一例では、ｍ個の既知塩基配列情報ＥＢと、当該既知塩基配列情報ＥＢに対応する数の（ｍ個）の既知塩基割合情報ＲＥＢとが、既知塩基情報２３１ｂとして対応付けられる。ｍとは、自然数である。具体的には、図５は、唾液ＳＶには、「ＧＧＡＣＣ（既知塩基配列情報ＥＢ１）」が０．２５％（既知塩基割合情報ＲＥＢ１）の割合で存在し、「ＣＣＣＣＣ（既知塩基配列情報ＥＢ２）」が０．５％（既知塩基割合情報ＲＥＢ２）の割合で存在し、…、「ＣＣＴＡＧ（既知塩基配列情報ＥＢｍ）」が０．２５％（既知塩基割合情報ＲＥＢｍ）の割合で存在することを示す。
また、図５に示す一例では、上述した既知塩基配列情報ＥＢ１〜既知塩基配列情報ＥＢｍ及び既知塩基配列情報ＥＢ１〜既知塩基配列情報ＥＢｍには、菌種情報ＫＢ１〜菌種情報ＫＢ４、及び既知塩基割合情報ＲＥＢ１〜既知塩基割合情報ＲＥＢ４が既知塩基情報２３１ｂとして対応付けられる。具体的には、図５に示す既知塩基情報２３１ｂは、唾液ＳＶに既知塩基配列情報ＥＢ１〜既知塩基配列情報ＥＢｍの既知塩基配列が既知塩基割合情報ＲＥＢ１〜既知塩基割合情報ＲＥＢｍの割合で存在する場合、被験者ＥＴの口腔内には、アクチノミセテムコミタンス（菌種情報ＫＢ１）が１９％（割合情報ＲＢ１）の割合で存在し、ヌクレアータム（菌種情報ＫＢ２）が２９％（割合情報ＲＢ２）の割合で存在し、ジンジバリス（菌種情報ＫＢ３）が２１％（割合情報ＲＢ３）の割合で存在し、ミュータンス（菌種情報ＫＢ４）が３１％（割合情報ＲＢ４）の割合で存在することを示す。なお、対応情報２３２ｂは、既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢの組み合わせ毎に菌種情報ＫＢ及び割合情報ＲＢが対応付けられる。対応情報２３２ｂとは、基準情報の一例である。

【0030】

図４に戻り、判定部２２１ｂは、取得した既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢを検索キーとして、対応情報２３２ｂを検索する。判定部２２１ｂは、対応情報２３２ｂのうち、検索キーと合致する既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢに対応付けられた菌種情報ＫＢ及び割合情報ＲＢを判定（抽出）する。判定部２２１ｂは、判定した菌種情報ＫＢ及び割合情報ＲＢを出力部２２２ｂに供給する。
出力部２２２ｂは、判定部２２１ｂから取得した菌種情報ＫＢ及び割合情報ＲＢを口臭判定装置１０に供給する。

【0031】

なお、シーケンサー２１ｂは、唾液ＳＶに存在する菌のＤＮＡ塩基配列を示す塩基配列情報を制御部２２ｂに供給する構成であってもよい。この場合、制御部２２ｂは、シーケンサー２１ｂから取得した塩基配列情報と、既知塩基情報２３１ｂとに基づいて、既知塩基配列の種類を検出する機能部（例えば、検出部）を備えていていもよい。また、制御部２２ｂは、検出した既知塩基配列の種類毎に既知塩基配列が唾液ＳＶ中における量（割合）を取得する機能部（例えば、割合取得部）を備えていていもよい。
また、菌種割合検出装置２０は、菌種割合検出装置２０ａ及び菌種割合検出装置２０ｂの機能をいずれも備える構成であってもよい。

【0032】

以下、図を参照し、口臭判定装置１０の詳細について説明する。
図６は、本実施形態の口臭判定装置１０の構成の一例を示す機能構成図である。
図６に示す通り、口臭判定装置１０は、制御部１１と記憶部１２とを備える。
記憶部１２には、学習済みモデル１２１が予め記憶される。学習済みモデル１２１とは、口腔内の細菌叢に存在する菌の種類を示す教師菌種情報（以下、教師菌種情報ＴＫＢ）と、細菌叢に存在する菌のうち、教師菌種情報ＴＫＢが示す菌の割合を菌の種類毎に示す教師割合情報ＴＲＢとに基づいて、結果情報ＲＴを出力するように隠れ層の活性化関数のパラメータが機械学習されたモデルである。結果情報ＲＴとは、口腔に口臭があるか否かを示す情報である。結果情報ＲＴは、例えば、口腔に口臭がある場合「１」を示し、口腔に口臭がない場合「０」を示す。口腔に口臭がある場合とは、例えば、呼気のうち、口臭の原因となるガス（例えば、メチルメルカプタン）の濃度が所定の閾値以上である場合である。したがって、結果情報ＲＴは、菌種情報ＫＢ及び割合情報ＲＢに基づいて、呼気に含まれる口臭の原因となるガス（以下、特定ガス）の濃度が所定の閾値以上であると推定される場合、「１」を示し、所定の閾値より低いと推定される場合、「０」を示す。機械学習とは、例えば、ＳＶＭ（Support Vector Machine）やディープラーニングである。本実施形態の一例では、学習済みモデル１２１がディープラーニングによって学習された場合について説明する。

【0033】

学習済みモデル１２１は、例えば、呼気に含まれる特定ガスの濃度を検出することにより予め結果情報ＲＴが取得されている複数の被験者ＥＴの唾液ＳＶに基づいて学習される。具体的には、学習済みモデル１２１は、当該唾液ＳＶに基づいて、上述した構成の菌種割合検出装置２０によって取得した菌種情報ＫＢ及び割合情報ＲＢをそれぞれ教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢとし、学習される。
学習済みモデル１２１は、例えば、教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢと、隠れ層の活性化関数のパラメータとに基づいて、結果情報ＲＴを算出する。また、学習済みモデル１２１は、教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢに基づいて算出した結果情報ＲＴが誤りの場合、誤差逆伝搬法によって隠れ層の活性化関数のパラメータが調整される。

【0034】

なお、結果情報ＲＴが、呼気に含まれる特定ガスの濃度の値を示す情報であってもよい。この場合、学習済みモデル１２１は、呼気に含まれる特定ガスの濃度を示す結果情報ＲＴが予め取得されている複数の被験者ＥＴの唾液ＳＶに基づいて学習される。

【0035】

制御部１１は、ＣＰＵ等のプロセッサが、記憶部１２に記憶されたプログラムを実行することにより、各機能部を実現する。制御部１１は、例えば、取得部１１１と、演算部１１２と、出力部１１３とをその機能部として実現する。

【0036】

取得部１１１は、菌種割合検出装置２０から菌種情報ＫＢ及び割合情報ＲＢを取得する。取得部１１１は、取得した菌種情報ＫＢ及び割合情報ＲＢを演算部１１２に供給する。
演算部１１２は、取得した菌種情報ＫＢ及び割合情報ＲＢと、学習済みモデル１２１とに基づいて、結果情報ＲＴを算出する。演算部１１２は、算出した結果情報ＲＴを出力部１１３に供給する。
出力部１１３は、演算部１１２から結果情報ＲＴを取得する。出力部１１３は、取得した結果情報ＲＴを出力する。出力部１１３は、例えば、結果情報ＲＴを示す画像をディスプレイパネル等の表示装置に出力し、当該画像を表示させる。また、出力部１１３は、例えば、被験者ＥＴの検査結果を記憶するサーバ装置に結果情報ＲＴを送信する。

【0037】

以下、図を参照して口臭判定システム１の動作について説明する。
図７は、本実施形態の口臭判定システム１の動作の一例を示す流れ図である。
菌種割合検出装置２０が備えるシーケンサー２１は、被験者ＥＴの唾液ＳＶに基づいて、唾液ＳＶ内に存在するＤＮＡ塩基配列の種類及び当該種類の塩基配列が唾液ＳＶ内に存在する割合を種類毎に解析する（ステップＳ１１０）。具体的には、シーケンサー２１ａは、被験者ＥＴの唾液ＳＶと、短塩基情報２３１ａとに基づいて、短塩基配列情報ＳＢと、短塩基割合情報ＲＳＢとを解析する。また、シーケンサー２１ｂは、被験者ＥＴの唾液ＳＶと、既知塩基情報２３１ｂとに基づいて、既知塩基配列情報ＥＢと、既知塩基割合情報ＲＥＢとを解析する。判定部２２１は、シーケンサー２１が解析した情報と、対応情報２３２とに基づいて、菌種情報ＫＢと、割合情報ＲＢとを判定する（ステップＳ１２０）。具体的には、判定部２２１ａは、対応情報２３２ａのうち、取得した短塩基配列情報ＳＢ及び短塩基割合情報ＲＳＢが対応付けられた菌種情報ＫＢ及び割合情報ＲＢを判定する。また、判定部２２１は、対応情報２３２ｂのうち、取得した既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢが対応付けられた菌種情報ＫＢ及び割合情報ＲＢを判定する。出力部２２２は、判定部２２１が判定した菌種情報ＫＢ及び割合情報ＲＢを口臭判定装置１０に出力する（ステップＳ１３０）。

【0038】

口臭判定装置１０が備える取得部１１１は、菌種割合検出装置２０から菌種情報ＫＢ及び割合情報ＲＢを取得する（ステップＳ１４０）。演算部１１２は、取得部１１１が取得した菌種情報ＫＢ及び割合情報ＲＢと、学習済みモデル１２１とに基づいて、結果情報ＲＴを演算する（ステップＳ１５０）。出力部１１３は、演算部１１２が演算した結果情報ＲＴを出力する（ステップＳ１６０）。

【0039】

以上説明したように、本実施形態の口臭判定システム１は、口臭判定装置１０と、菌種割合検出装置２０とを備える。口臭判定装置１０は、制御部１１を備え、取得部１１１と、演算部１１２と、出力部１１３とをその機能部として実現する。取得部１１１は、菌種割合検出装置２０が検出した情報であって、被験者ＥＴの口腔内の細菌叢（この一例では、唾液ＳＶ）に存在する菌の種類を示す菌種情報ＫＢと、菌種情報ＫＢが示す菌の唾液ＳＶ内における割合を種類毎に示す割合情報ＲＢとを取得する。演算部１１２は、取得部１１１が取得した菌種情報ＫＢと、取得部１１１が取得した割合情報ＲＢと、学習済みモデル１２１とに基づく演算する。出力部１１３は、演算部１１２の演算結果を示す情報であって、被験者ＥＴに口臭があるか否かを示す口臭情報（この一例では、結果情報ＲＴ）を出力する。ここで、学習済みモデル１２１は、唾液ＳＶに存在する菌の種類を示す教師菌種情報ＴＫＢと、教師菌種情報ＴＫＢが示す菌の唾液ＳＶ内における割合を種類毎に示す教師割合情報ＴＲＢとに基づいて、結果情報ＲＴを出力するように、機械学習によって学習された学習済みモデルである。

【0040】

これにより、本実施形態の口臭判定装置１０は、唾液ＳＶに基づいて、被験者ＥＴに口臭があるか否かを判定する。したがって、本実施形態の口臭判定装置１０は、呼気に含まれるガスを検出する装置を用いることなく、被験者ＥＴに口臭があるか否かを判定することができる。また、本実施形態の口臭判定装置１０は、唾液ＳＶ内に存在する菌及び当該菌の割合に基づいて口臭があるか否か判定するため、口腔内に存在する菌を培養し、口臭があるか否かを判定する方法と比較して、短い時間で被験者ＥＴに口臭があるか否かを判定することができる。

【0041】

また、本実施形態の学習済みモデル１２１は、ディープラーニングによって学習されたモデルである。ここで、口臭の原因となるガスを発生させる菌が口腔内に存在する場合であっても、必ずしも口臭がある（呼気に含まれる口臭の原因となるガスの濃度が高まる）とは限らない。具体的には、口臭が発生する条件は、口腔内に存在する菌の種類と、口腔内に存在する菌の種類毎の割合とに関係する。だだし、菌の種類と、当該種類毎の割合の組み合わせをすべて基準情報（短塩基情報２３１ａや既知塩基情報２３１ｂ）として解析することは困難である。
本実施形態の口臭判定装置１０は、学習済みモデル１２１によって結果情報ＲＴを演算し、簡便な処理によって被験者ＥＴに口臭があるか否を判定することができる。

【0042】

また、本実施形態の教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢは、複数の被験者ＥＴの唾液ＳＶを解析した結果に基づく情報である。具体的には、教師菌種情報ＴＫＢは、菌種割合検出装置２０が複数の唾液ＳＶに基づいて検出した複数の菌種情報ＫＢである。また、教師割合情報ＴＲＢは、菌種割合検出装置２０が複数の唾液ＳＶに基づいて検出した複数の割合情報ＲＢである。教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢを取得する際に用いられる細菌叢が唾液ＳＶである場合、細菌叢が呼気である場合と比較して、短期間で口臭の有無を判定することができる。

【0043】

また、本実施形態の菌種割合検出装置２０ａは、シーケンサー２１ａと、制御部２２ａと、記憶部２３ａとを備える。制御部２２ａは、その機能部として、判定部２２１ａと、出力部２２２ａとを実現する。シーケンサー２１ａは、唾液ＳＶに存在する短塩基配列の種類を検出する。また、シーケンサー２１ａは、検出した短塩基配列の種類毎に、当該種類の短塩基配列が唾液ＳＶ中に存在する割合を取得する。判定部２２１ａは、短塩基情報２３１ａと、短塩基配列情報ＳＢと、短塩基配列情報ＳＢが示す短塩基配列毎の短塩基割合情報ＲＳＢとに基づいて、菌種情報ＫＢと、割合情報ＲＢとを判定する。

【0044】

ここで、唾液ＳＶ中に含まれるＤＮＡ塩基配列は、コピー数の変動、キメラ形成、ポリメラーゼ連鎖反応法によるエラー及びバクテリア間の水平遺伝子伝達等が影響し、菌種情報ＫＢ及び割合情報ＲＢを判定する際に用いられる塩基配列として特定することが困難である可能性がある。本実施形態の菌種割合検出装置２０ａは、唾液ＳＶに含まれる短塩基配列に基づいて、菌種情報ＫＢと、割合情報ＲＢを判定する。短塩基配列は、判定の対象となるヌクレオチドの数が少ない（この一例では、５塩基）ため、コピー数の変動、キメラ形成、ポリメラーゼ連鎖反応法によるエラー及びバクテリア間の水平遺伝子伝達等によって受ける影響を低減することができる。したがって、本実施形態の菌種割合検出装置２０は、精度高く菌種情報ＫＢ及び割合情報ＲＢを判定し、判定した菌種情報ＫＢと、割合情報ＲＢによって口臭判定装置１０に被験者ＥＴの口臭の有無を判定させることができる。

【0045】

また、本実施形態の菌種割合検出装置２０ｂは、シーケンサー２１ｂと、制御部２２ｂと、記憶部２３ｂとを備える。制御部２２ｂは、その機能部として、判定部２２１ｂと、出力部２２２ｂとを実現する。シーケンサー２１ｂは、唾液ＳＶに存在する既知塩基配列の種類を検出する。また、シーケンサー２１ｂは、検出した既知塩基配列の種類毎に、当該種類の既知塩基配列が唾液ＳＶ中に存在する割合を取得する。判定部２２１ｂは、既知塩基情報２３１ｂと、既知塩基配列情報ＥＢと、既知塩基配列情報ＥＢが示す既知塩基配列毎の既知塩基割合情報ＲＥＢとに基づいて、菌種情報ＫＢと、割合情報ＲＢとを判定する。

【0046】

ここで、菌種情報ＫＢ及び割合情報ＲＢを判定する際に用いられる塩基配列の種類が膨大である場合、菌種情報ＫＢ及び割合情報ＲＢを判定する処理に係る時間を低減することが困難である可能性がある。本実施形態の菌種割合検出装置２０ｂは、唾液ＳＶに含まれるＤＮＡ塩基配列のうち、口腔内に存在し、特定ガスを発生させる可能性がある菌の既知塩基配列（例えば、１６ＳｒＲＮＡ遺伝子）に基づいて、菌種情報ＫＢと、割合情報ＲＢを判定する。したがって、本実施形態の菌種割合検出装置２０は、簡便な処理によって菌種情報ＫＢ及び割合情報ＲＢを判定し、判定した菌種情報ＫＢと、割合情報ＲＢによって口臭判定装置１０に被験者ＥＴの口臭の有無を判定させることができる。

【0047】

なお、口臭判定装置１０は、学習済みモデル１２１を再学習する構成を有していてもよい。この場合、口臭判定装置１０の制御部１１は、入力部と、判定部と、更新部とをその機能部として備える。入力部は、被験者ＥＴに口臭が生じているか否かを示す検査情報を取得する。
入力部とは、例えば、キーボード等の文字情報を入力するデバイス、マウス、タッチパネル等のポインティングデバイス等である。判定部は、結果情報ＲＴと、検査情報とが合致するか否かを判定する。
更新部は、判定部が結果情報ＲＴと、検査情報とが合致しないと判定する場合、学習済みモデル１２１を再学習（更新）させる。学習済みモデル１２１の再学習とは、教師データ（教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢ）を直近のものに更新し、新たにモデルの学習をし直すことである。具体的には、更新部は、結果情報ＲＴと検査情報とが一致しなかった検査の被験者ＥＴの菌種情報ＫＢ及び割合情報ＲＢを、教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢとする。また、更新部は、教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢに基づく結果情報ＲＴが検査情報と合致するように、学習済みモデル１２１の隠れ層の活性化関数のパラメータを誤差逆伝搬法によって調整する。ここで、更新部の更新は、判定部が結果情報ＲＴと、検査情報とが合致しないと判定する度に行われてもよく、結果情報ＲＴと、検査情報とが合致しないと判定された菌種情報ＫＢ及び割合情報ＲＢが隠れ層の活性化関数のパラメータを更新可能な数だけ取得された際に行われてもよい。また、更新部の更新には、結果情報ＲＴと検査情報とが一致した検査の被験者ＥＴの菌種情報ＫＢ及び割合情報ＲＢが、教師菌種情報ＴＫＢ及び教師割合情報ＴＲＢとして用いられてもよい。
また、口臭判定装置１０は菌種情報ＫＢ及び既知塩基割合情報ＲＥＢに重み付けを行う機能部（重要度付加部）を備える構成であってもよい。この場合、重要度付加部は、菌種情報ＫＢ及び既知塩基割合情報ＲＥＢのうち、口臭の有無を判定する際に重要となる菌種情報ＫＢや既知塩基割合情報ＲＥＢには高い重み付けを行い、重要ではない菌種情報ＫＢや既知塩基割合情報ＲＥＢには低い重み付けを行う。

【0048】

＜変形例＞
なお、上述では、口臭判定装置１０が菌種情報ＫＢ及び割合情報ＲＢに基づいて、結果情報ＲＴを出力する場合について説明したが、これに限られない。口臭判定装置１０は、既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢに基づいて、結果情報ＲＴを出力する構成であってもよい。
この場合、学習済みモデル１２１は、予め結果情報ＲＴが取得されている複数の被験者ＥＴの唾液ＳＶに基づいて、学習される。具体的には、学習済みモデル１２１は、当該唾液ＳＶに基づいて、上述した構成の菌種割合検出装置２０ｂが取得した既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢをそれぞれ教師データ（以下、教師既知塩基配列情報ＴＥＢ、教師既知塩基割合情報ＴＲＥＢ）とし、学習される。学習済みモデル１２１は、教師既知塩基配列情報ＴＥＢ及び教師既知塩基割合情報ＴＲＥＢと、隠れ層の活性化関数のパラメータとに基づいて、結果情報ＲＴを算出する。また、学習済みモデル１２１は、教師既知塩基配列情報ＴＥＢ及び教師既知塩基割合情報ＴＲＥＢに基づいて算出した結果情報ＲＴが誤りの場合、誤差逆伝搬法によって隠れ層の活性化関数のパラメータが調整される。
この場合、菌種割合検出装置２０ｂは、菌種情報ＫＢ及び割合情報ＲＢに代えて、既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢを口臭判定装置１０に供給する。口臭判定装置１０は、取得した既知塩基配列情報ＥＢ及び既知塩基割合情報ＲＥＢと、学習済みモデル１２１とに基づいて、結果情報ＲＴを出力する。
これにより、変形例の口臭判定システム１は、菌種割合検出装置２０ｂが菌種情報ＫＢ及び割合情報ＲＢを検出する処理を省略することができるため、結果情報ＲＴの出力に係る処理をより高速に行うことができる。

【0049】

なお、上記の各実施形態における口臭判定装置１０及び菌種割合検出装置２０が備える各部は、専用のハードウェアにより実現されるものであってもよく、また、メモリおよびマイクロプロセッサにより実現させるものであってもよい。

【0050】

なお、口臭判定装置１０及び菌種割合検出装置２０が備える各部は、メモリおよびＣＰＵ（中央演算装置）により構成され、口臭判定装置１０及び菌種割合検出装置２０が備える各部の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。

【0051】

また、口臭判定装置１０及び菌種割合検出装置２０が備える各部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

【0052】

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。

【0053】

以上、本発明の実施形態を、図を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更を加えることができる。上述した各実施形態に記載の構成を組み合わせてもよい。

【符号の説明】

【0054】

１…口臭判定システム、１０…口臭判定装置、２０、２０ａ、２０ｂ…菌種割合検出装置、２１、２１ａ、２１ｂ…シーケンサー、１１、２２ａ、２２ｂ…制御部、１２、２３ａ、２３ｂ…記憶部、１１１…取得部、１１２…演算部、１１３、２２２、２２２ａ、２２２ｂ…出力部、２２１、２２１ａ、２２１ｂ…判定部、１２１…学習済みモデル、２３１ａ…短塩基情報、２３１ｂ…既知塩基情報、２３２、２３２ａ、２３２ｂ…対応情報、ＫＢ、ＫＢ１、ＫＢ２、ＫＢ３、ＫＢ４…菌種情報、ＲＢ、ＲＢ１、ＲＢ２、ＲＢ３、ＲＢ４…割合情報、ＥＢ、ＥＢ１、ＥＢ２、ＥＢ３…既知塩基配列情報、ＲＥＢ、ＲＥＢ１、ＲＥＢ２、ＲＥＢ３…既知塩基割合情報、ＳＢ、ＳＢ１、ＳＢ２、ＳＢ３…短塩基配列情報、ＲＳＢ、ＲＳＢ１、ＲＳＢ２、ＲＳＢ３…短塩基割合情報、ＲＴ…結果情報、ＴＫＢ…教師菌種情報、ＴＲＢ…教師割合情報、ＥＴ…被験者、ＳＶ…唾液

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】